基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

神经网络辅助的组合导航系统信息融合方案

传统的Kalman滤波器自适应能力弱，而单纯的神经网络滤波器估计精度较差，且网络训练经验性太强。面向组合导航领域，提出BP神经网络辅助自适应联邦Kalman滤波器方案，设计并实现了SINS／GPS／TAN／SAR智能化容错组合导航系统。结合自适应滤波和神经网络两种方法共同提高系统的自适应能力，并提出新的神经网络输入量，改善了算法的实时性。系统的估计精度得到显著提高，仿真结果证明了该方案的可行性和有效性。     

小型无人机GPS／航程推算组合导航系统研究

探讨了在无人机上发展ＧＰＳ／航程推算自式组合导航系统的必要性和可行性；对利用ＧＰＳ定位信息进行导航时所需的坐标转换问题作了分析研究；并对研制的ＧＰＳ／航程推逄组合导航系统的设计思想，总体方案，工作原软硬件结构作了介绍，给出了在小型无人机上进行导航试验的结果。     

车辆GPS/DR/DM组合导航系统的研究

研究了车载GPS/DR/DM组合导航系统.通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验,证明了本系统的可行性.车辆GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,GPS/DR/DM组合导航系统是一种较为理想的车辆导航系统.     

高空长航时无人机导航系统研究

以高空长航时无人机为研究背景,从我国国情出发,对捷联惯性导航系统(SlNS)、全球定位系统(GPS)、"北斗"卫星导航系统(BDSNS)和大气数据系统(ADS)在高空长航时无人机导航系统中应用的可行性进行了分析,在此基础上提出基于自适应联邦滤波的SINS/GPS/BDSNS/ADS组合导航系统方案,建立了组合导航系统的状态方程和量测方程,给出了自适应联邦滤波算法,并设计开发了组合导航仿真系统.通过对GPS被关闭或限制使用等典型情况的计算机仿真,表明该系统具有较高的导航精度和良好的可靠性.     

基于信息融合的小天体软着陆组合导航算法

小天体距地球较远,观测信息不足,引力场弱且分布不规则,对自主导航算法的精度和实时性提出了更高的要求。本工作以小天体软着陆自主导航为应用背景,针对惯性导航误差累积和光学导航观测周期长等问题,提出了一种基于信息融合的组合导航算法。以软着陆探测器的位置和速度为状态向量,通过引入了一种信息融合算法,将光学导航信息与惯性导航信息进行信息融合,生成对软着陆探测器状态的估计。实验结果表明：该算法能有效地提高导航定位精度,并对速度误差有一定的抑制作用,为探测器在小天体表面软着陆提供了一种行之有效的方法。     

组合定位中信息融合算法的研究

指出了传统的卡尔曼滤波在GPS/INS车辆组合定位系统中应用的局限性,给出了一种BP/GA混合算法与卡尔曼滤波结合的信息融合算法模型、原理、实现步骤及仿真结果。仿真表明这种算法和常规卡尔曼滤波算法相比较具有更高的精度和稳定性。     

光纤SINS/GPS组合导航系统分析

为提高光纤陀螺捷联惯导系统的精度,以光纤陀螺捷联惯导系统与全球定位系统（GPS Globle Position System）为研究对象,采用联邦卡尔曼滤波算法,构成了SINS/GPS（Strap-down Inertial Navigation Systerm/Globle Position System）组合导航系统。仿真结果表明,该算法能及时修正子滤波器的偏差,大大降低子滤波器的模型误差,进而提高整个滤波器的精度,并有效克服了滤波发散现象。     

组合导航系统中的自适应卡尔曼滤波技术

在比较了组合导航系统多种卡尔曼滤波技术的基础上,提出了能提高系统鲁棒性的自适应卡尔曼滤波技术。并利用系统静态仿真证明了该算法的有效性。     

高精度定位定向系统的修正Kalman滤波组合导航

指出了在组合导航系统中，Ｋａｌｍａｎ滤波器的预测周期与滤波周期之间的异步性会给滤器的动特性带来不良影响，针对这一问题，提出了一种修正Ｋａｌｍａｎ滤波算法，并将其于高精度定位定向系统的“惯性／位置”组合导航中。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

INS/GPS组合导航联邦滤波器的仿真研究

为了研究平台式惯导INS(interialnavigationsystem)和全球定位系统GPS(globepositionsystem)组合导航联邦滤波器的实现,用卡尔曼滤波与Matlab仿真的方法,可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行.     

GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

区间卡尔曼滤波算法及其在载波相位组合导航中的应用

当系统参数不确切已知或随时间变化时，传统卡尔曼滤波算法无法直接应用。基于区间的概念，通过将参数变化的系统建立成区间模型，在其他假设与标准卡尔曼滤波相同的前提下，给出了一种处理系统参数不确定性的区间卡尔曼滤波算法，该算法在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当。最后通过与传统卡尔曼滤波算法进行比较，仿真验证了该算法在GPS／DMU载波相位组合导航中应用的可行性。     

联邦卡尔曼滤波器在无人机导航系统中的应用

针对无人机GPS／RP／DR组合导航系统的特点，设计了用于该系统的联邦卡尔曼滤波器。该滤波器具有全局最优性，其结构遵循信息分配原则，其算法改善了数值计算的稳定性和系统的容错性，并减少了信息传输量与计算量。理论分析及仿真结果表明，该联邦卡尔曼滤波器能够满足无人机在GPS或RP信号无效或两信号均短期无效情况下定位导航的精度要求。     

导航系统多模变结构智能控制研究

针对传统无人机导航控制的局限性,提出基于多模变结构智能控制策略的导航控制系统．在飞行导航控制系统内建立不连续控制结构,当系统状态发生变化时,启用不同控制结构以获得优良的控制品质,同时系统具有较强的对系统参数摄动不敏感性以及风场扰动抑制能力,系统鲁棒性强．采用数字控制技术,系统工程实现简单且可靠性高．     

不同环境下的GPS/IMU数据融合

为提高Kalman滤波组合导航的估计精度,在考虑系统估计误差相关的情况下,提出了采用环境背景下不同传感器的有效性概率加权GPS/IMU组合导航自适应衰减记忆滤波的融合算法。通过对各种算法进行仿真分析发现,新算法的融合估计精度高于相应的未考虑环境信息的GPS/IMU融合估计精度 新算法具有几乎和有效概率加权Kalman滤波融合算法相同的融合估计精度,但其误差变化较后者平稳。表明新算法可有效地提高系统融合估计的精度和可靠性。     

基于风场估测的无人机伞降定点回收研究

针对小型无人机伞降回收特点，设计了用于该系统的定点回收系统。该系统充分考虑工程约束，建立了基于风场扰动的回收模型，确定了相应的控制策略与控制结构，同时建立了相应的回收飞行段导航控制任务规划，对回收航线调整点位置选定、飞行速度控制以及控制指令发送等进行了约束。理论分析及飞行试验结果表明，该系统能够满足定点回收的精度要求。